Elman神经网络的板形模式识别方法

• 作者: 张秀玲 李少清 田力勇
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 板形模式识别 Elman神经网络 动态网络
• 年，卷（期）: 2010,（5）
• 页码范围: 449-453
• 分类号: TP183
• 字数: 2980字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2010.05.012

摘要

针对静态网络设计和识别时间模式的能力弱、泛化能力差、学习速度慢等缺点,建立了一个基于Elman神经网络的板形模式识别系统.该系统由于考虑到了神经网络的过学习或过拟合问题,且通过经验公式和对比实验来确定神经网络的隐层节点数,具有简单、有效的优点.系统通过对6种基本板形模式及其组合模式的学习,具有了一定的泛化能力.经仿真验证,实际输出的误差均小于0.1,识别效果良好,可以证明基于Elman动态网络的系统,其板形识别能力要强于BP网络构成的系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张秀玲	燕山大学电气工程学院	65	530	12.0	20.0
5	李少清	燕山大学电气工程学院	3	10	2.0	3.0
9	田力勇	燕山大学电气工程学院	2	7	1.0	2.0